基于变刚度特性的轴流压气机叶型重构方法研究

为能准确预估轴流压气机叶片在工作状态下的形状，基于流固耦合迭代策略，考虑离心力和气动力对叶片变形的作用，发展了一种适用于轴流压气机的叶型重构方法。在构型转化过程中，计入了叶片受力载荷随叶型变化的非线性效应以及叶片的变刚度特性。采用叶片变形后状态的受力载荷与刚度矩阵计算叶片节点位移，反复迭代修正热态叶片形状，最终获得满足精度要求的热态叶型数据。利用所提出的方法，对Stage 37的转子叶片进行了叶型重构，经20步迭代计算可获得最大残差小于10-4mm量级的热态叶型，通过与试验数据的对比分析，验证了重构算法的可靠性和工程实用性。     

基于改进Q学习的IMA系统重构蓝图生成方法

重构蓝图定义了故障状态下系统软硬件资源的重新配置方案,是实现综合模块化航空电子系统重构容错的关键。提出了一种基于改进Q学习的重构蓝图生成方法,综合考虑负载均衡、重构影响、重构时间、重构降级等多优化目标,并应用模拟退火框架改进探索策略,提高了传统Q学习算法的收敛性能。实验结果表明,与模拟退火算法、差分进化算法、传统Q学习算法相比,本文提出的改进Q学习算法效率更高,所生成重构蓝图质量更高。     

基于非线性油膜力的滑动轴承动力特性系数识别方法

为了更简便地从滑动轴承非线性油膜力直接识别获得油膜动力特性系数,从频域角度建立了轴颈在轴承中的扰动与非线性油膜力之间的关系,采用等幅异频位移激励技术,一次性识别出油膜8个刚度和阻尼特性系数,通过圆瓦滑动轴承实例验证了该方法的准确性,分析了扰动幅值和频率对识别精度的影响。研究结果表明,扰动频率对识别精度没有明显影响,而扰动幅值对识别精度有较大影响,当扰动幅值大于0.016倍半径间隙时,识别精度超过5%。当扰动幅值小于0.005倍半径间隙时,识别精度在0.5%以内,0.001倍半径间隙时,所给出的油膜动力特性系数识别方法的识别精度可达到0.045%。     

基于非线性重构的跨声速压气机叶片静气动弹性分析

工作状态的压气机转子叶片在气动力及离心力作用下会发生变形，准确的叶片构型预测对于压气机性能分析和检验具有重要意义。为研究叶片气弹变形对压气机气动及结构参数的影响，采用非线性叶型重构方法获得了Stage 37转子叶片在不同工况下的热态构型。在计算叶片变形时，计入了叶片受力载荷随构型变化的非线性特征以及叶片的变刚度特性，叶片受力载荷与刚度矩阵随叶片构型同步更新。考察了不同工况下热态叶片的变形规律，研究表明:叶型重构方法可有效提高压气机气动性能的预估精度。设计转速下，热态叶片的堵塞流量及近失速点压比较冷态叶片分别增加1.2%和0.24%，叶片变形对气动特性的影响随转速增加而增强。离心力对叶片变形起主要作用，然而气动力的压力反扭作用不可忽略，设计转速下近失速点反扭角较堵塞点增加了14.7%。计算跨声速转子热态叶片构型时，需考虑离心力和气动力的综合作用。